Rohit Aggarwal, COO tại DecisionNext – Phỏng vấn

Rohit Aggarwal là Giám đốc vận hành tại DecisionNext, một nền tảng AI hàng đầu giúp các công ty tối ưu hóa việc mua hoặc bán hàng hóa tại thời điểm và giá cả tốt nhất. Ông tận dụng nền tảng vững chắc trong quản lý chuỗi cung ứng và sản phẩm cũng như kinh nghiệm trực tiếp lãnh đạo các đội rất lớn để thực hiện các dự án đa ngành phức tạp và mang lại kết quả kinh doanh. Rohit trước đây từng giữ các vị trí quản lý sản phẩm và vận hành tại cả Google (GOOGL ) và Amazon (AMZN ).

Bạn đã làm việc tại Amazon và gần đây tại Google. Những điểm nổi bật chính từ những kinh nghiệm này là gì?

Tại Amazon, tôi đã có cơ hội quản lý một đội đa dạng gồm 250 nhân viên chức năng khác nhau để ra mắt các cơ sở hoạt động hàng đầu. Tôi cũng hỗ trợ việc triển khai các đổi mới như giao hàng trong ngày, robot và các công nghệ mới nổi khác. Sau đó, tại Google, tôi đã sử dụng kỹ năng của mình để bắc cầu giữa sản phẩm và vận hành. Điều này liên quan đến việc xây dựng các ứng dụng từ đầu để quản lý một phong cách mới của quy trình thực hiện, trong số các dịch vụ mới khác.

Bạn có thể giải thích cách DecisionNext tận dụng AI và học máy để cải thiện dự báo giá và cung cấp hàng hóa không?

DecisionNext sử dụng trí tuệ nhân tạo và học máy để tiêu thụ hàng nghìn bộ dữ liệu và tìm mối quan hệ lịch sử và hiện tại giữa các yếu tố chính. Sau đó, nó học hỏi từ thông tin này và xây dựng các mô hình liên quan cho bất kỳ hàng hóa nào. Trong các thị trường nông nghiệp và tài nguyên thiên nhiên, các công cụ của chúng tôi giúp khách hàng dự báo giá tốt hơn, đưa ra quyết định thông minh hơn, giảm thiểu rủi ro và tăng lợi nhuận trên các chuỗi cung ứng toàn cầu. Chúng tôi cũng đang làm việc trên việc sử dụng các mô hình ngôn ngữ lớn (LLM) để đơn giản hóa các quyết định toàn cầu phức tạp với các giải pháp nhận thức rủi ro.

Những lợi ích chính của việc sử dụng nền tảng AI của DecisionNext so với các phương pháp dự báo truyền thống là gì?

Các nhà mua và bán sản phẩm hàng hóa toàn cầu thường dựa vào các quy tắc và bảng tính để đơn giản hóa một hệ thống phức tạp trị giá hàng tỷ đô la trong các giao dịch. Điều này để lại một lượng tiền đáng kể trên bàn. Những bảng tính này đã hoạt động tốt và hỗ trợ hàng trăm doanh nghiệp. Tuy nhiên, khi động lực của lực lượng lao động thay đổi và các thị trường toàn cầu trở nên khó dự đoán hơn, chúng đang trở nên kém hiệu quả hơn. DecisionNext đã dành nhiều năm để hoàn thiện một nền tảng AI biến các phức tạp toàn cầu thành các khuyến nghị có thể thực hiện được trên quy mô lớn – cải thiện đáng kể hiệu suất tài chính.

Khách hàng của chúng tôi có chuyên gia chủ đề đã có trong một không gian hoặc ngành cụ thể trong 30 năm hoặc hơn. Và khi các thế hệ mới đến, điều cực kỳ quan trọng là phải giữ lại tất cả kinh nghiệm đó theo một cách có thể sử dụng được. DecisionNext giúp thực hiện điều đó bằng cách xây dựng các thư viện quyết định toàn diện, tích hợp ý kiến của chuyên gia và học hỏi từ quá khứ.

Bằng cách đó, nền tảng DecisionNext giảm thiểu rủi ro và không chắc chắn trong việc ra quyết định kinh doanh trên các đơn vị kinh doanh và cá nhân trong khi thiết lập một cách có thể mở rộng để đưa ra những quyết định đó. Nó cũng cải thiện lợi nhuận trong các giao dịch hàng ngày, vị thế dài hạn và lập kế hoạch chiến lược tương lai.

Vai trò của dữ liệu động trong quá trình ra quyết định được thúc đẩy bởi AI của DecisionNext là gì, và dữ liệu này được tích hợp và sử dụng như thế nào?

Dữ liệu động và cập nhật cực kỳ quan trọng khi xây dựng các mô hình hàng đầu. Tuy nhiên, tốc độ và sự phức tạp mà dữ liệu có thể được xử lý và mô hình hóa không phải là yếu tố duy nhất. Ví dụ, làm thế nào một mô hình biết trọng lượng của điểm dữ liệu mới nhất (chẳng hạn như một cú sốc trong hệ thống) và nó cần xử lý nó khác biệt? Người dùng của chúng tôi có thể tương tác với các mô hình thông qua công nghệ được cấp bằng sáng chế để nhập ý kiến của họ và xây dựng phân tích “giả sử” để sử dụng dữ liệu mà mô hình hoặc hệ thống không thể biết được. Điều này cho phép khách hàng của chúng tôi có được những hiểu biết mới mà nếu không thì không thể có được. Họ cũng có thể hiểu rõ hơn về tác động của các thay đổi toàn cầu trong cung hoặc các quy định thương mại mới, trong số nhiều tình huống khác.

Những cách nào DecisionNext đã cách mạng hóa việc ra quyết định kinh doanh trên thị trường hàng hóa?

Nền tảng hàng đầu của chúng tôi đã cách mạng hóa phương pháp tiếp cận tiêu chuẩn đối với định giá, dự báo cung và cầu bằng cách cung cấp cho người dùng của chúng tôi nhiều hơn là một dự báo. Với công cụ của chúng tôi, họ có thể nhanh chóng hiểu được rủi ro, không chắc chắn và phân tích các quyết định phức tạp với chỉ một vài cú nhấp chuột. DecisionNext có một số trường hợp sử dụng trên các chuỗi cung ứng trong cả nông nghiệp và khai thác. Những trường hợp này bao gồm tối ưu hóa giá mua và bán, lập kế hoạch kinh doanh, chênh lệch địa lý và sản phẩm, công thức chi phí thấp nhất và quản lý rủi ro, trong số nhiều trường hợp khác.

DecisionNext đảm bảo độ chính xác và tin cậy của các mô hình dự báo AI cho giao dịch hàng hóa như thế nào?

Chúng tôi đảm bảo độ chính xác và tin cậy của các mô hình dự báo AI thông qua việc kiểm tra lại nghiêm ngặt. DecisionNext đã xây dựng một hệ thống nghiêm ngặt có khả năng kiểm tra nhanh hàng nghìn cấu trúc mô hình và cung cấp cho người dùng sự hiểu biết đầy đủ về độ chính xác của các mô hình. Điều này có thể được thực hiện theo một cách dễ hiểu, đồng thời cũng cho phép chúng tôi sử dụng độ chính xác đó để dự đoán sự không chắc chắn trong tương lai.

Bạn có thể chia sẻ một ví dụ hoặc nghiên cứu trường hợp về cách DecisionNext đã giúp một công ty điều hướng sự biến động của thị trường bằng cách sử dụng các công cụ AI của bạn không?

Với DecisionNext, một nhà sản xuất quặng sắt lớn đã tăng lợi nhuận trung bình 6-8% trên các giao dịch điểm. Giải pháp của chúng tôi đã giúp họ tối ưu hóa chiến lược định giá và giảm thời gian cần thiết để đưa ra các quyết định chính về chênh lệch địa lý. Tương tự, chúng tôi có thể giúp các nhà sản xuất gia súc đưa ra quyết định tương tự về nơi và khi bán thịt bò từ các xác thịt của họ.

Trong cả hai trường hợp, DecisionNext đã cung cấp một dự báo chính xác và có thể bảo vệ ngắn hạn và dài hạn để tối ưu hóa chiến lược lập kế hoạch bán hàng. Các công cụ trực quan của chúng tôi đã cho phép các nhà sản xuất nhanh chóng đánh giá nhiều chiến lược bán hàng cạnh nhau để giảm thiểu rủi ro, tối ưu hóa việc ra quyết định và tăng hiệu quả hơn.

Nếu không có DecisionNext, các công ty buộc phải dựa vào các giá trị trung bình lịch sử, thị trường tương lai (nếu có) và kinh nghiệm để định giá hàng hóa. Mặc dù hiệu quả trong quá khứ, với các thị trường hàng hóa ngày càng biến động, các công ty đang để lại hàng triệu đô la trên bàn.

Bạn có thể thảo luận về tầm quan trọng của việc có các mô hình dự báo tương tác cho người dùng và DecisionNext đảm bảo các mô hình này là thân thiện với người dùng như thế nào?

Mô hình dự báo “hộp đen” cũ không cho người dùng biết tại sao dự báo lại như vậy. Nó cũng không giúp người dùng biết cách dịch dự báo thành các quyết định có thể thực hiện được. Vì vậy, trong kịch bản này, người dùng có thể không sử dụng dự báo ngay cả khi dự báo hoàn hảo và quay lại các phương pháp cũ.

DecisionNext giúp khách hàng của mình hiểu rõ hơn về cả rủi ro thị trường và rủi ro kinh doanh, cũng như lý do tại sao hai yếu tố này nên được kết nối khi dự báo. DecisionNext cung cấp khả năng hiển thị đầy đủ vào các nguồn dữ liệu và cấu trúc mô hình cùng với sự rõ ràng và định hướng chiến lược.

Tất cả những điều này được cung cấp thông qua một bảng điều khiển thân thiện với người dùng, được thiết kế cho sự tham gia liên tục.

Các sự kiện đại dịch và địa chính trị gần đây đã ảnh hưởng đến sự phát triển và sử dụng AI trong giao dịch hàng hóa tại DecisionNext như thế nào?

COVID-19 đã làm gián đoạn chuỗi giá trị thịt toàn cầu, và một khách hàng bị ảnh hưởng đặc biệt bởi cuộc khủng hoảng này đến tâm trí. Với số lượng lớn thực phẩm đông lạnh dành cho các kênh dịch vụ thực phẩm sắp bị gián đoạn, khách hàng đã sử dụng phân tích của DecisionNext để nhanh chóng và tối ưu hóa việc thanh lý hàng tồn kho khi các lệnh封锁 lan rộng trên khắp Hoa Kỳ và cũng lên kế hoạch về cách và khi nào để xây dựng lại hàng tồn kho.

Sử dụng nền tảng DecisionNext, khách hàng đã xây dựng và so sánh bốn phương án bán hàng và mua hàng phức tạp để xem kết quả thị trường dự kiến và so sánh rủi ro. Họ đã thành công trong việc thanh lý hàng tồn kho dư thừa trên nhiều mặt cắt, và các giao dịch này đã mang lại lợi nhuận 5 lần so với đầu tư vào phần mềm DecisionNext trong một tháng.

Các tiến bộ trong tương lai về AI và học máy mà bạn dự đoán sẽ ảnh hưởng đến thị trường hàng hóa là gì, và DecisionNext đang chuẩn bị cho chúng như thế nào?

DecisionNext đang ở tiền phong trong nỗ lực tận dụng AI và học máy để làm cho các thị trường hàng hóa hiệu quả, lợi nhuận và bền vững hơn. Khi thế giới tiếp tục vật lộn với những thách thức khổng lồ như biến đổi khí hậu và al instability, intelligent technology sẽ là một thành phần ngày càng quan trọng trong cách chúng ta điều hướng thành công chúng. Chúng tôi vinh dự được khách hàng và đối tác tin cậy để cung cấp một nền tảng giúp thực hiện điều đó.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập DecisionNext.